关键词：故障诊断;局部线性嵌入;长短时记忆神经网络;化工过程
摘 要：针对化工生产过程数据多样性、高维性以及相似性的特点，传统的局部线性嵌入难以发掘数据高维非线性、不均匀特征的问题，本文提出一种改进LLE-LSTM算法。首先，运用改进LLE算法求出样本集的协方差矩阵，计算权重系数矩阵，将样本集映射到低维空间。其次，将重构的低维样本集输入LSTM模型，进一步提取样本特征。最后，对故障类型进行诊断和分类。将该方法应用到田纳西-伊斯曼（TE）过程，实验结果表明该方法具有更高的准确性和优越性。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取